，一项新研究表明，人工智能可以准确地识别出热门歌曲，这可能会威胁到音乐制作人和选秀节目评委的工作。
加州克莱蒙特研究生大学的科学家们使用了神经网络 —— 一种模仿人脑的 AI 技术，来分析听众对 24 首歌曲的神经生理反应。他们发现，通过测量少数几个志愿者的大脑活动，就可以预测数百万人是否会喜欢这些歌曲。他们的方法被称为“神经预测”，其准确率高达 97%。
这项研究的高级作者、该校教授保罗?扎克在媒体发布会上说:“通过将机器学习应用于神经生理数据，我们几乎可以完美地识别出热门歌曲。33 个人的神经活动可以预测数百万人是否会听新歌，这非常令人惊讶。以前从未有过这样的准确率。”
IT之家注意到，这种 AI 系统不仅可以取代电视选秀节目的评委，还可以提高流媒体服务的效率。每天有数万首歌曲发布，像 Spotify、Tidal 和 Deezer 这样的应用很难选择哪些歌曲加入播放列表，以前试图识别能够吸引大众的歌曲的方法只有 50% 的成功率。
在这项实验中，参与者戴着扫描仪，在听一组 24 首歌曲时，他们还被要求提供自己的喜好和基本人口统计数据，扫描仪测量了他们的神经生理反应。扎克说:“我们收集到的大脑信号反映了一个与情绪和能量水平相关的大脑网络的活动。”
团队发现，即使只分析歌曲第一分钟的神经反应，也能达到 82% 的准确率。
扎克解释说:“这意味着流媒体服务可以更有效地识别出可能成为热门歌曲的新歌，从而使流媒体服务的工作更容易，也让听众更满意。如果未来像我们用于这项研究的那样的可穿戴神经科学技术变得普遍，那么根据听众的神经生理状态，可以向他们发送合适的娱乐内容。他们不必在数百个选择中挑选，而是只给他们两三个选择，让他们更容易更快地选择自己喜欢的音乐。”
研究人员指出，这种技术不仅可以用于识别热门歌曲，还可以用于其他类型的娱乐内容，比如电影和电视节目。这项研究发表在《人工智能前沿》杂志上。
